一种基于自编码器与生成对抗网络的古石碑表面异常深度学习方法
计算机视觉与模式识别
2023-08-09 v1 机器学习
图像与视频处理
摘要
在初期准确检测古石碑表面的自然劣化与人为损坏对其预防性保护至关重要。现有文化遗产保护方法因难以兼顾准确性、效率、时效性与成本而无法完美达成此目标。本文提出一种深度学习方法，利用自编码器（AE）与生成对抗网络（GAN）实时自动检测上述古石碑上的突发状况。所提方法克服了现有方法的局限，无需大量异常样本即可实现对不可预测异常的全面检测。该方法包括监测、数据采集、预处理、模型构建与后处理阶段。以龙门石窟石碑为案例，提出并验证了一种基于 AE 与 GAN 架构的无监督学习模型，重建准确率达 99.74%。该方法评估显示能熟练检测七种人工设计异常，并在无虚警情况下展现精度与可靠性。本研究为深度学习在文化遗产领域的应用提供了新思路与可能。
引用
@article{arxiv.2308.04426,
title = {A Deep-Learning Method Using Auto-encoder and Generative Adversarial Network for Anomaly Detection on Ancient Stone Stele Surfaces},
author = {Yikun Liu and Yuning Wang and Cheng Liu},
journal= {arXiv preprint arXiv:2308.04426},
year = {2023}
}